基于图像处理的疲劳驾驶检测技术的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第8-11页 |
| CONTENTS | 第11-14页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 课题的研究背景和意义 | 第14页 |
| 1.2 疲劳驾驶的概念 | 第14-15页 |
| 1.3 常用的疲劳检测方法 | 第15-16页 |
| 1.4 现有的疲劳检测技术分析 | 第16-17页 |
| 1.5 课题来源及研究内容 | 第17-19页 |
| 1.5.1 课题来源 | 第17页 |
| 1.5.2 研究内容 | 第17-19页 |
| 第二章 系统总体设计 | 第19-26页 |
| 2.1 疲劳检测理论 | 第19-21页 |
| 2.1.1 疲劳检测方法对比 | 第19-20页 |
| 2.1.2 PERCLOS算法原理 | 第20-21页 |
| 2.2 系统工作流程 | 第21-24页 |
| 2.2.1 下位机模块 | 第22-23页 |
| 2.2.2 图像获取及预处理 | 第23-24页 |
| 2.2.3 人脸及人眼定位 | 第24页 |
| 2.2.4 人眼状态分析和疲劳判断 | 第24页 |
| 2.3 本章小结 | 第24-26页 |
| 第三章 人脸定位算法的研究 | 第26-36页 |
| 3.1 人脸定位常用算法 | 第26-27页 |
| 3.2 图像预处理 | 第27-29页 |
| 3.2.1 中值滤波 | 第27-28页 |
| 3.2.2 直方图均衡化 | 第28-29页 |
| 3.3 通过肤色分割确定人脸区域 | 第29-34页 |
| 3.3.1 色彩空间的介绍与比较 | 第29-31页 |
| 3.3.2 人脸粗定位 | 第31-32页 |
| 3.3.3 非人脸区域去除 | 第32-33页 |
| 3.3.4 腐蚀与膨胀 | 第33-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第四章 人眼检测与人眼状态分析 | 第36-55页 |
| 4.1 人眼定位常用算法 | 第36页 |
| 4.2 Adaboost算法研究 | 第36-44页 |
| 4.2.1 Adaboost级联分类器的结构 | 第37-38页 |
| 4.2.2 矩形特征 | 第38-39页 |
| 4.2.3 用积分图计算特征值 | 第39-41页 |
| 4.2.4 分类器的训练 | 第41-43页 |
| 4.2.5 图像检测过程 | 第43-44页 |
| 4.3 人眼定位的实现过程 | 第44-51页 |
| 4.3.1 训练部分 | 第44-50页 |
| 4.3.2 检测过程 | 第50-51页 |
| 4.4 人眼状态分析算法的研究 | 第51-54页 |
| 4.4.1 Hough变换法 | 第51-52页 |
| 4.4.2 灰度投影算法 | 第52-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 系统设计与实现 | 第55-67页 |
| 5.1 系统硬件设计 | 第55-60页 |
| 5.1.1 硬件总体设计 | 第55页 |
| 5.1.2 图像采集 | 第55-58页 |
| 5.1.3 图像缓存 | 第58-60页 |
| 5.2 系统软件设计 | 第60-63页 |
| 5.2.1 系统软件的组成模块 | 第60-61页 |
| 5.2.2 PERCLOS计算模块 | 第61-62页 |
| 5.2.3 检测结果输出模块 | 第62-63页 |
| 5.3 系统测试及检测结果分析 | 第63-66页 |
| 5.3.1 实验数据的采集 | 第63-64页 |
| 5.3.2 检测结果分析 | 第64-65页 |
| 5.3.3 系统实时性分析 | 第65-66页 |
| 5.4 本章小结 | 第66-67页 |
| 总结与展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 攻读学位期间发表的论文 | 第72-74页 |
| 致谢 | 第74页 |
